28 lines
856 B
Python
28 lines
856 B
Python
|
import chardet
|
|||
|
|
from bs4 import BeautifulSoup
|
|||
|
|
|
|||
|
|
# Определяем кодировку файла
|
|||
|
|
with open('file.html', 'rb') as file:
|
|||
|
|
raw_data = file.read()
|
|||
|
|
|
|||
|
|
# Используем chardet для определения кодировки
|
|||
|
|
result = chardet.detect(raw_data)
|
|||
|
|
file_encoding = result['encoding']
|
|||
|
|
|
|||
|
|
# Читаем файл с найденной кодировкой
|
|||
|
|
with open('file.html', 'r', encoding=file_encoding) as file:
|
|||
|
|
html_content = file.read()
|
|||
|
|
|
|||
|
|
# Парсим HTML
|
|||
|
|
soup = BeautifulSoup(html_content, 'html.parser')
|
|||
|
|
|
|||
|
|
# Извлекаем текст
|
|||
|
|
text = soup.get_text()
|
|||
|
|
|
|||
|
|
# Записываем текст в файл
|
|||
|
|
with open('output.txt', 'w', encoding='utf-8') as output_file:
|
|||
|
|
output_file.write(text)
|
|||
|
|
|
|||
|
|
print(f"Текст успешно извлечён! Использована кодировка: {file_encoding}")
|
|||
|
|
|